今日出版
AI 前沿情报每日速递

AI 前沿日报

全球前沿热点 · 架构演进 · 深度研判
12个独立事件3大核心专栏13家独立信源约 10 分钟读完

Anthropic 发布双版本 Claude 模型 编码推理能力大幅跃升

本期两条主线清晰可见。其一,模型竞争从参数规模转向成本与安全分级:Anthropic 以同一底座拆分 Fable 与 Mythos,Meta 用 Muse Ember 把智能体执行层价格压到每百万 token 10 美分,美团则以 MIT 协议开源 1.6 万亿参数模型。其二,科研自动化加速:AI 在三天内证明悬置 17 年的量子猜想,百度 ERNIE Evolve 自动改写训练代码,但伯克利两项研究同时提醒,智能体自改脚手架会丢失已解任务,评估不能只看平均分。

Anthropic 正式发布 Claude Fable 5.2 与 Claude Mythos 5.2 两款模型,二者基于同一底层架构,在编码、推理与视觉能力上均有显著提升。Fable 5.2 面向全体用户,内置网络安全与生物安全防护;Mythos 5.2 则通过验证计划向安全与生命科学机构开放,其沙箱逃逸率从上一代的 39% 骤降至 3.1%。

预发布测试中,Fable 5.2 展现技术攻坚能力:1000 个智能体在 30 小时内完成费马大定理的形式化证明,而人工首次形式化耗时 11 天,且证明长度缩短至七分之一。模型还完成了原本不可行的软件迁移、从零设计三款可工作的电子设备,并解决了两个黑洞物理开放问题。

商业层面,Fable 5.2 输入价格降至每百万 token 8 美元,响应速度提升 30%,并首次支持零数据保留(ZDR)企业合规策略。

Hacker News AI14 家信源印证查看深度研判
01

前沿模型与基础架构突破

精选 3 篇

追踪主流实验室最新基础模型、新架构与推理能力跃迁。

Meta 发布轻量模型 Muse Ember 输入价低至每百万 token 10 美分

Meta 超级智能实验室发布迄今最轻量、最具成本效率的模型 Muse Ember,专为智能体高频重复任务设计,覆盖工具调用、编码子任务、路由、信息抽取与长文档解析。其输入价格低至每百万 token 10 美分,输出价格每百万 token 50 美分,并支持 100 万 token 上下文与原生多模态理解。

官方以 Artificial Analysis 综合基准展示其在成本与智能上优于 Anthropic Haiku 与 OpenAI Luna,并与 DeepSeek V4.1 Flash、GLM 5.3 Flash 等开源竞品形成价格竞争。Ember 定位为与更大模型 Muse Wonder 搭配的智能体执行层,重模型负责规划、轻模型负责高频执行。

多方信源交叉验证显示,Muse Ember 在 Artificial Analysis 智能指数上得分 36,与 Claude Haiku 相近;在 Code Arena WebDev 以 1608 分超越 Claude Haiku 5.5 与 GPT-6 Luna,成为最强小模型。三者 API 定价相同,但 Ember 中位单任务成本 0.03 美元,约为 Luna 的一半、Haiku 的 1/3.7。

Arena.ai (@arena)8 家信源研判评分 78

美团开源 1.6 万亿参数 LongCat-2.5 模型

美团龙猫正式开源原生多模态模型 LongCat-2.5,总参数 1.6 万亿、每 token 激活约 480 亿,支持百万级上下文,采用 MIT 协议允许商用推理与二次训练。

模型将视觉信号量化为多层级离散 token 并与文本共享主干参数,而非外挂视觉模块。同时以 W4A4 4 bit 量化方案适配显存与带宽受限的国产算力芯片。

IT之家 · 智能时代研判评分 88

字节发布 Seedream 5.5 支持直出透明背景

字节跳动 Seed 团队正式发布图像编辑模型 Seedream 5.5,核心突破在于原生支持输出带 Alpha 通道的透明背景图像,并实现非编辑区域像素级不变,官方演示同一人物连续修改 100 轮后细节仍可精准对齐,显著缓解多轮编辑中的图像漂移问题。

技术细节上,该模型对轮廓边缘与透明区域进行精细处理,羽毛等难抠边缘也能保留,生成元素可直接作为独立素材进入设计流程,省去后期抠图修边环节。同时,严重文字错误率从上一代的 2.8% 降至 0.4%,2K 方图编辑单张成本约 0.28 元,不到 Seedream 5.0 Pro 的一半。

官方称其在密集小文字还原与光影材质真实感上优于 GPT Image 2.5 Sunburst。模型已在即梦、豆包、豆包工作陆续上线,开发者可通过火山方舟以 Doubao-Seedream-5.5 调用,Pro 版本在规划中。

IT之家 · 智能时代3 家信源研判评分 78
02

产业生态与商业算力

精选 4 篇

投融资脉络、算力基建演进与企业智能化转型。

AI 初创用非公开 Claude 模型证明量子计算猜想

AI for Science 初创公司 Physical Superintelligence 利用内部研究系统(运行非公开的 Anthropic 模型)在三天内为 Scott Aaronson 与 Andris Ambainis 自 2008 年悬而未决的量子计算加速猜想找到了完整证明,并经 Lean 证明助手验证。

这是 AI 系统自主扩展人类知识边界的标志性案例,也预示合成研究者产出速度将超越人类理解速度。该猜想涉及量子计算机何时能实现指数级加速这一核心问题。

Import AI (Jack Clark)研判评分 78

DeepX 流片二代边缘 AI 芯片 5 W 内跑 100B 模型

韩国边缘 AI 芯片初创公司 DeepX 已流片第二代 AI 加速器 DX-M2,借助三星定制的存内计算(PIM)技术,在低于 5 W 的功耗预算内实现最高 1000 亿参数模型的端侧推理,输出速度 10-30 tokens/s。

相比已量产的视觉向一代芯片 DX-M1,DX-M2 的核心跃升在于内存带宽提升至三倍,目标市场为机器人、无人机等生成式 AI 边缘设备。DX-M2 支持 200 亿至 1000 亿参数模型(约 30 亿至 200 亿激活参数)。

Hacker News AI研判评分 78

OpenAI 构建 Control Room 35 秒内熔断模型任务

OpenAI 披露其研究基础设施中的中央管控系统 Control Room,可统一追踪训练、评估、数据处理等全部推理负载,并在安全决策后 35 秒内停止模型输出。

系统与失准监控体系联动,具备故障隔离能力,即使自身宕机也会触发停止,目前已在研究侧全面部署。

OpenAI 官方博客研判评分 72
03

智能体生态与自主代理

精选 4 篇

多智能体协同、自主工作流与真实复杂任务落地。

伯克利等机构发现智能体自改脚手架会丢失已解任务

加州大学伯克利分校等机构的新论文发现,让智能体自行改写提示词、技能、工具或代码以提升基准分数,会掩盖其丢失原本已解决任务的问题。

研究用 4 种进化方法、GPT-5.4 在 2 套脚手架与 2 个基准上测试,16 个进化后智能体全部有得有失,其中一个可靠性提升 5.2 分却丢掉 10 个原有任务,11 个更可靠的智能体中有 8 个单次运行成本上升。

作者建议评估时同时追踪丢失任务、运行成本与未见任务表现,而非只看平均分。

Rohan Paul (@rohanpaul_ai)研判评分 78

百度发布 ERNIE Evolve 自动进化训练与推理代码

百度发布 ERNIE Evolve 自动化研究系统,通过“导演+并行进化树”与独立评估器、审查器双层嵌套循环,自动编辑训练与推理代码并只保留经验证的增益。

该系统在 NanoChat AutoResearch 上取得 0.8763 BPB、NanoGPT Speedrun Track 1 达 38.9 秒,并将昆仑芯 P800 推理速度提升至基线 623.6%。系统本身未开源,仅公开基准测试的最终代码与运行日志。

Marktechpost (@Marktechpost)研判评分 78

伯克利提出监督者动态重组编码智能体团队

加州大学伯克利分校的新论文提出 Evolving Agent Teams 方法:由一个监督者诊断编码智能体团队的停滞瓶颈,并动态重组角色(如性能分析员、调试员、知识整合员),配合共享文件系统沉淀跨团队经验。

在 MLA 解码内核优化任务上,该方法在同等 token 预算下达到 FlashInfer 速度的 0.74 倍,固定 4 角色团队仅为 0.31 倍;增加预算后达到 1.21 倍,并在 47 个生产负载中胜出 36 个。

Rohan Paul (@rohanpaul_ai)研判评分 78